👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！
🤖 一则AI工程师招募信息：新领域需要新技能
Vision Flow (目的涌现) 是一家基于 AGI 原生技术的创业公司，是全球探索AGI原生应用的第一波船队。创立初期获得李想、曾鸣、Yeahmobi等知名机构投资。最近，其创始人 @刘夜 在社交媒体中发布了一则招聘信息，不管是否应聘都可以看一下JD，了解新岗位的技能需求。
岗位：算法工程师、高级后端开发工程师
工作地点：北京朝阳区望京
薪资：面谈
发送简历至：zhaopin@visionflow.ai
邮件主题格式为：即刻+应聘岗位+姓名 ⋙ 即刻@刘夜 | Vision Flow 官网
🤖 雷军：小米大模型技术主力突破方向是「轻量化，本地部署」
8月14日晚，小米创始人、董事长雷军的第四次年度演讲「> 成长> 」在国家会议中心举行。在3小时的演讲和年度新品发布中，雷军分享了过去30多年经历的几次关键成长和感悟，并宣布小米科技战略升级：深耕底层技术、长期持续投入，软硬深度融合，AI全面赋能。
同时，小米积极布局人工智能，全面推进大模型研发和落地，选择「轻量化，本地部署」作为小米大模型技术主力突破方向，并在现场正式宣布手机端侧大模型初步跑通，部分场景效果媲美云端。此外，小爱同学也升级AI大模型，并开启邀请测试 ⋙ 阅读全文
🤖 科大讯飞发布「讯飞星火认知大模型V2.0」
https://xinghuo.xfyun.cn/
8月15日，科大讯飞举办了主题为「解放生产力，释放想象力」的发布会，宣布星火认知大模型升级为 V2.0 版本，重磅发布了代码能力、多模态能力，分享了其在教育、办公等领域商业落地进展，并将同步发布星火语伴2.0、星火教师助手、AI学习机的「AI创意画板」/「AI编程」等新功能。
根据发布会的介绍和实时演示，讯飞星火V2.0已具备代码生成、代码补齐、代码纠错、代码解释、单元测试生成等能力，多模态能力已实现图像描述、图像理解、图像推理、识图创作、文图生成、虚拟人合成等功能，并在生态内聚集4109支开发者团队，创建了7862款星火助手 ⋙ 了解详情
🤖 首个生成式AI监管文件，今天（8月15日）起施行
8月15日起，《生成式人工智能服务管理暂行办法》(以下称《办法》) 开始施行，这也是我国首个针对生成式人工智能产业的规范性政策。
《办法》界定了生成式人工智能技术的基本概念，规定了生成式人工智能服务提供者的制度要求，为生成式人工智能的健康发展指明了方向：
坚持发展和安全并重，对生成式人工智能服务实行包容审慎和分类分级监管
明确适用对象和范围：适用于向境内公众提供AIGC服务，对大量垂直领域如科研、工业应用等场景排除适用范围
以鼓励产业创新和发展为重，明确生成式人工智能技术发展路径和重点方向
搭建人工智能全生命周期监管体系，对数据、算法等业务适度“松绑” ⋙ 微信阅读全文 | 专家解读
🤖 一份AI开发者的工具清单，60+工具帮你效率UPUP！
最近逛 GitHub 发现了一份非常棒的工具清单，汇总了面向开发人员的 60+ AI工具。将工具的名称、链接和简介等信息分类如下，非常值得收藏~
🔔 集成开发环境 IDEs
Cursor（https://www.cursor.so/）: 具有聊天、编辑、生成和调试功能的IDE。从VSCodium分叉，因此界面类似于VS Code。使用OpenAI。
Mutable（https://mutable.ai/）: 基于Web的IDE，与聊天机器人和GitHub集成。
🔔 助手 Assistants
Replit Ghostwriter Chat（https://replit.com/site/ghostwriter）: 内置于 Replit 的助手，具有聊天、主动调试和自动补全功能。使用 OpenAI 进行聊天，并使用 replit-code-v1-3b（OS）进行自动补全。
GitHub Copilot X（https://github.com/features/preview/copilot-x）: 带有聊天、拉取请求文本生成和单元测试生成功能的 VS Code 扩展。
Refact AI（https://refact.ai/）: 开源助手，具有聊天、补全、重构和针对代码库的细调功能。适用于 VS Code 和 JetBrains 的扩展。
Codeium（https://codeium.com/）: 带有自动补全、自然语言搜索和聊天功能的助手。适用于包括 VS Code、JetBrains、Neovim、Vim、Emacs、Eclipse、PyCharm 和 Xcode 在内的 21 个编辑器。企业版包括针对代码库的细调功能。
Continue（https://continue.dev/）: 带有聊天、重构和代码生成功能的 VS Code 扩展。可编辑多个文件并代表您运行命令。
Blackbox（https://www.useblackbox.io/）: 带有自动补全和聊天功能的 VS Code 扩展，包括指向在线编码参考的链接。
Source Graph Cody（https://about.sourcegraph.com/cody）: 带有聊天、重构和单元测试生成功能的助手。适用于 VS Code 和 IntelliJ 的扩展。
Quack AI（https://www.quack-ai.com/）: 用于遵循项目编码规范的 VS Code 扩展。等候列表。
talk-codebase（https://github.com/rsaryev/talk-codebase）: 具有仓库上下文的命令行聊天机器人。支持 OpenAI，以及通过 GPT4All 本地运行的LLM。
Magnet（https://www.magnet.run/）: 基于 Web 的聊天机器人，以仓库和问题为上下文。
Adrenaline（https://useadrenaline.com/）: 使用人工智能和 AST 来回答关于代码库的问题的基于 Web 的聊天机器人。
Tabby（https://tabbyml.github.io/tabby/）: 开源的、自托管的代码补全助手。适用于 VS Code 和 Vim 的扩展。
Tabnine（https://www.tabnine.com/）: 开源的、自托管的代码补全助手。适用于包括 VS Code、IntelliJ、Neovim、Eclipse 和 PyCharm 在内的 15 个编辑器。
CodeSquire（https://codesquire.ai/）: 为 Google Colab、BigQuery 和 JupyterLab 添加自动补全功能的 Chrome 扩展。
CodeMate（https://www.codemate.ai/）: 用于调试和优化代码的 VS Code 扩展。
🔔 Shell助手 Shell assistants
AskCommand（https://www.askcommand.cppexpert.online/）: 使用人工智能自动从文本生成 Unix 命令的基于 Web 的工具。
Butterfish（https://butterfi.sh/）: 在您的 shell 中嵌入 ChatGPT 以提供方便访问的命令行工具。包括简单的自主能力。
🔔 智能体 Agents
Smol Developer（https://github.com/smol-ai/developer）: 通过CLI代理根据提示生成存储库。使用OpenAI和Anthropic。
Aider（https://github.com/paul-gauthier/aider）: 通过CLI助手和代理生成更改和提交到存储库。使用OpenAI。
Mentat（https://www.mentat.codes/）: 通过CLI助手和代理对存储库进行更改。
GPT Engineer（https://github.com/AntonOsika/gpt-engineer）: 通过CLI代理根据提示生成存储库，并提问澄清问题。
GPT Migrate（https://github.com/0xpayne/gpt-migrate）: 通过CLI代理将全栈应用程序从一种语言或框架转换为另一种。使用GPT-4 32k上下文。
GitWit（https://gitwit.dev/）: 用于向Git存储库的全栈应用程序添加功能的基于Web的代理。
DemoGPT（https://github.com/melih-unsal/DemoGPT）: 具有Llama 2的强大力量的自动生成AI应用程序生成器
DevOpsGPT（https://github.com/kuafuai/DevOpsGPT）: DevOpsGPT基于AI的软件开发自动化解决方案
Second.dev（https://www.second.dev/）: 用于向全栈应用程序添加功能的平台。
Factory（https://www.factory.ai/）: 用于代码生成的代理。等待中。
🔔 应用生成器 App generators
Pico（https://picoapps.xyz/）: 具有即时部署的端到端微应用生成器
Literally anything（https://literallyanything.io/ ） : HTML和JavaScript Web应用生成器。
🔔 代码片段生成器 Snippet generators
CodePal（https://codepal.ai/ ） : 一个用于快速生成或重构代码的Web工具。
AI Code Convert（https://aicodeconvert.com/ ） : 一个用于在编程语言之间转换代码的Web工具。
AI Code Playground（https://aicodeplayground.com/ ） : 用于重构和改进代码的Web工具。
🔔 文档 Documentation
Trelent（https://trelent.net/）: 一个用于生成文档字符串的VS Code扩展。使用专有模型。
Docify（https://docify.ai4code.io/）: 一个用于生成文档字符串的VS Code扩展。
Mintlify Writer（https://writer.mintlify.com/）: 一个用于生成文档字符串的VS Code扩展。
🔔 持续集成机器人 Continuous integration bots
BitBuilder（https://www.bitbuilder.ai/）: 一个用于从问题生成拉取请求的GitHub集成。
Sweep（https://sweep.dev/）: 另一个用于从问题生成拉取请求的GitHub集成。
Code Review GPT（https://github.com/mattzcarey/code-review-gpt）: 用于审查PR的开源工具。可以作为GitHub动作、Gitlab CLI或本地工具使用。
Nova（https://www.trynova.ai/）: 一个用于为新的PR添加摘要和测试等操作的CI机器人。
CodeRabbit（https://coderabbit.ai/）: 可定制的CI工具，用于为PR添加摘要和代码建议。
🔔 Code generation: 代码生成
- Magic（https://magic.dev/）: 该公司承诺推出两款产品，一个助手和一个基于代码训练的底层基础模型LTM-1。等候名单。
🔔 智能体平台 Agent platforms
E2B（https://www.e2b.dev/）: 用于托管基于LLM的代理的开源云平台。支持Smol Developer。
Morph Rift（https://github.com/morph-labs/rift）: 开源的VS Code扩展，允许合并代码生成代理的输出。
SuperAGI（https://superagi.com/）: 用于托管基于LLM的代理的开源平台，包括SuperCoder。
🔔 OpenAI插件 OpenAI plugins
ChatWithGit（https://gitsearch.sdan.io/）: 允许ChatGPT搜索GitHub并返回相关存储库的链接。
Code ChatGPT Plugin（https://github.com/kesor/chatgpt-code-plugin）: ChatGPT插件的开源示例，从文件目录中提取上下文。
🔔 搜索 Search
Bloop（https://bloop.ai/）: 用于存储库的自然语言搜索。
Buildt（https://www.buildt.ai/）: 用于存储库的自然语言搜索。
🔔 测试 Testing
OctoMind（https://octomind.dev/）: 自动维护和生成的基于浏览器的端到端测试，集成到Github Actions，Azure DevOps等。
Traceloop（https://traceloop.com/）: 利用开放遥测跟踪数据和生成的人工智能来提高系统可靠性。
Carbonate（https://carbonate.dev/）: 使用自然语言进行端到端测试。与现有的测试套件集成（目前支持Jest，PHPUnit和Python的unittest）。
Meticulous.ai（https://www.meticulous.ai/）: 自动生成、自动维护的端到端测试: 随着应用程序的发展，测试套件也随之演变。
DiffBlue（https://www.diffblue.com/）: 为Java自动生成单元测试 ⋙ GitHub
🤖 使用AI工具「bloop」读懂「Webpilot」插件源码，再高效教会我
Webpilot 是一个浏览器插件,允许用户对网页内容进行自然语言提问，并自动生成回答。
bloop是一个面向软件开发者的AIGC工具，可以回答关于代码库的问题，核心技术是 embeddings——将代码块映射为向量，然后检索向量之间关联度最强的内容来回答问题。但是 bloop 不了解代码之间的依赖关系，在提问时需要提供足够上下文，才能得到准确回答。
作者在这篇文章中展示了如何使用 bloop 工具来分析 Webpilot 的源码：通过逐步深入的技术思路，先用 bloop 对项目做整体的概述，然后再针对关键功能细节继续提问，逐步让 bloop 解释代码的具体逻辑。核心流程如下：
首先需要在 bloop 中绑定 Webpilot 的代码仓库，让 bloop 对代码进行向量化表示
然后可以就项目整体提出一个概述性问题，如"简单介绍下这个项目"；这可以让 bloop 对项目有一个大致的了解
在得到项目简介后，可以询问一些关键功能的实现，如"与网页进行自由形式对话"是如何实现的；bloop会指出相关的代码位置
根据 bloop 提供的代码位置，可以继续询问该代码的详细作用和逻辑；bloop 会尝试解释代码含义
在理解了一个功能点后，可以继续问其他功能的实现代码在哪，并重复上述过程逐步深入
当对全部关键逻辑都进行了解析后，就可以比较系统地理解该项目的代码实现了
在提问时，需要提供足够具体的上下文信息，而不要只问一些过于概括的问题
如果bloop的回答不对或不全，需要修正提问方式提供更多上下文线索 ⋙ 思否@卡颂
🤖 为什么开发者应该多关注海外市场？
最近AI社区里「独立开发者」「大模型开发者」话题的关注度很高，也频频提到「出海」这个话题。这篇文章可以算是「开发者出海」相关内容的科普文，读完就大概能了解为什么大家都在关注这个方向。
不存在足够的空间给个人/小团队做独立产品存活。分析了Slack在美国成功上市，但在国内却难以存活。原因是BAT等巨头互相竞争，都想占领流量入口，不愿意有其它独立产品出现。国内生态封闭制约，不利于小团队参与竞争。
需求验证或者叫「试错」成本高。分析了国内要上线产品需要经过繁琐的审批、备案等程序，验证需求的门槛很高。而海外上线产品门槛低，可以快速试错验证需求。国内完成公司注册等流程也耗费大量精力和时间。
推广渠道少 && 门槛高。分析了国外有更多免费推广渠道如 ProductHunt 等，用户反馈真诚；国内推广渠道少，用户不友好。付费推广国内门槛高，但海外可以低成本推广。
商业化选择少。分析了国内用户习惯免费产品，不愿付费，盈利难。海外用户付费意愿强，小产品解决痛点也能获支付。付费用户更看重产品，免费用户难以满足 ⋙ 掘金@强生
🤖 斯坦福CS324「大语言模型 (LLM)」，好品质专题好课
语言模型的规模在快速增长，这不仅带来了全新的模型能力，对社会发展也产生了重大影响，而且也带来了可靠性不高、社会偏见、产生语气攻击、生成虚假信息等诸多风险。
CS324 - Large Language Models 是斯坦福 Winter 2022 的新课程，系统讲解了大语言模型的原理和开发，并深入探讨了上方的话题。通过这门课程的学习，学生可以对大型语言模型有全面的了解，掌握技术细节，并能对语言模型进行批判性思考。
Introduction
AI定义：让机器具有与人类相似的智能功能
语言具有创造力、组合性和交流性等特点
NLP发展历程：规则方法、统计方法、神经方法
神经网络崛起：计算能力提升，大规模标注数据
词向量捕获语义信息，seq2seq模型实现端到端学习
基础模型：可微、可优化的大规模预训练模型，适用于下游任务
GPT-3示范基础模型的潜力：通过提示完成各种下游任务
Capabilities
语言模型任务：预测文本的联合概率或下一个词
GPT-3在Penn Treebank语言建模任务上优于SOTA
GPT-3在LAMBADA长距离依赖语言建模任务上也优于SOTA
GPT-3在HellaSwag常识推理任务上接近SOTA
在问答任务上，GPT-3零样本表现不佳，少样本效果更好
GPT-3零样本机器翻译质量不高，少样本可达到SOTA
GPT-3可用于简单算术问题，但不“理解”数学
GPT-3可生成几乎无法区分的新闻文章
GPT-3可适应新词使用和纠正语法错误等新任务
Harms I
定义AI：智能因子、代理的集合
AI安全关键问题：价值观对齐、 interruptibility、透明度
价值观对齐：使AI行为符合人类价值观
可中断性：人类可随时停止/修改AI系统
透明度：人类可理解AI决策过程
狭义AI：专注特定任务，更易控制
强AI目标：具有人类水平跨领域智能
具体做法：强化学习、规范、监督
Harms II
性能差异：不同人群的准确率存在差异
社会偏见：生成文本带有刻板成见
引起伤害：生成攻击性内容
造假信息：生成误导性内容
内容审核：平衡言论自由和安全
缓解危害：数据处理、模型设计、部署监管
Data
数据获取：Common Crawl、社交媒体
数据处理：去重、分词、清洗
数据标注：Mechanical Turk、竞赛
弱监督：无标注数据的监督信号
自监督：从数据中自动构建监督信号
数据质量：覆盖范围、样本大小、注释质量
数据偏差：历史数据中的社会偏见
隐私：个人敏感信息泄露
版权：未经授权使用受版权保护数据
Security
模型逆向：从模型输出推断训练数据
成员推断：判断样本是否在训练数据中
数据提取：从模型内提取训练数据
毒化攻击：注入对模型产生不利影响的数据
欺骗攻击：对测试样本做微小变化来欺骗模型
后门攻击：使模型对特定触发输入产生错误输出
对抗防御：鲁棒性训练、差分隐私等方法
Legality
版权法：规定数据使用权利义务
合理使用：允许未经授权有限使用版权作品
隐私法：规定个人信息使用权利义务
其他法律：规范AI系统应用和部署
伦理规范：行业和组织自律守则
Modeling
分词：将文本切分为词单元
编码器：生成文本表示，适用于分类
解码器：顺序生成文本，适用于生成
编解码器：编码输入并解码输出
注意力：软查询表，实现全局依赖
Transformer：编码器解码器统一架构
位置编码：表示词在序列中的位置
Training
语言模型损失：最大化联合概率或交叉熵
预训练目标：遮蔽语言模型、下一句预测等
优化算法：SGD、Adam、mixed precision
学习率：warmup和降低学习率
正则化：dropout、weight decay
初始化：控制参数尺度，增加模型可训练性
Parallelism
数据并行：数据划分到不同计算节点
模型并行：模型划分到不同计算节点
流水线并行：不同模块串行计算
参数服务器：跨节点共享参数
分布式训练：协同高效地完成预训练
Scaling laws
模型规模：随着参数量增加，性能提升
数据规模：随着训练数据增多，性能提升
计算规模：随着FLOPs增加，性能提升
递减收益：扩展规模带来的收益递减
外推预测：预估未来性能提升趋势
建模规模法则：数学公式描述规模与性能关系
Selective architectures
混合专家：根据输入激活部分专家
稀疏混合专家：每个样本只使用少量专家
Switch Transformer：每个样本只使用一个专家 ⋙ 学习课程
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！
◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！
